CyberHarem/annie_leagueoflegends

这是一个关于《英雄联盟》角色安妮的数据集，包含125张图片及其标签。该角色的核心标签包括`green_eyes, animal_ears, short_hair, red_hair, cat_ears, fake_animal_ears, pink_hair`，这些标签在数据集中被修剪。图片从多个网站（如danbooru、pixiv、zerochan等）爬取，爬取系统由DeepGHS团队提供。数据集提供了不同尺寸和裁剪方式的多个版本，包括原始数据、短边不超过800像素的版本、三阶段裁剪版本等。此外，还提供了如何使用waifuc加载原始数据集的代码示例，并列出了标签聚类结果的列表。这是一个关于《英雄联盟》角色安妮的数据集，包含125张图片及其标签。该角色的核心标签包括`green_eyes, animal_ears, short_hair, red_hair, cat_ears, fake_animal_ears, pink_hair`，这些标签在数据集中被修剪。图片从多个网站（如danbooru、pixiv、zerochan等）爬取，爬取系统由DeepGHS团队提供。数据集提供了不同尺寸和裁剪方式的多个版本，包括原始数据、短边不超过800像素的版本、三阶段裁剪版本等。此外，还提供了如何使用waifuc加载原始数据集的代码示例，并列出了标签聚类结果的列表。

原始信息汇总

数据集概述

数据集信息

• 名称: Dataset of annie (League of Legends)
• 许可: MIT
• 任务类别: text-to-image
• 标签: art, not-for-all-audiences
• 数据量: n<1K

数据集内容

• 图像数量: 125张
• 核心标签: green_eyes, animal_ears, short_hair, red_hair, cat_ears, fake_animal_ears, pink_hair
• 来源: 从多个网站爬取，如danbooru, pixiv, zerochan等

数据包列表

名称	图像数量	大小	类型	描述
raw	125	92.28 MiB	Waifuc-Raw	包含元信息的原始数据（最小边对齐到1400像素，如果更大）。
800	125	67.26 MiB	IMG+TXT	短边不超过800像素的数据集。
stage3-p480-800	260	128.98 MiB	IMG+TXT	3阶段裁剪数据集，面积不小于480x480像素。
1200	125	85.92 MiB	IMG+TXT	短边不超过1200像素的数据集。
stage3-p480-1200	260	155.25 MiB	IMG+TXT	3阶段裁剪数据集，面积不小于480x480像素。

加载原始数据集

• 工具: waifuc

• 代码示例: python import os import zipfile from huggingface_hub import hf_hub_download from waifuc.source import LocalSource

  下载原始归档文件

  zip_file = hf_hub_download( repo_id=CyberHarem/annie_leagueoflegends, repo_type=dataset, filename=dataset-raw.zip, )

  解压文件到指定目录

  dataset_dir = dataset_dir os.makedirs(dataset_dir, exist_ok=True) with zipfile.ZipFile(zip_file, r) as zf: zf.extractall(dataset_dir)

  使用waifuc加载数据集

  source = LocalSource(dataset_dir) for item in source: print(item.image, item.meta[filename], item.meta[tags])

标签聚类结果

• 示例:

  #	样本数量	图像1	图像2	图像3	图像4	图像5	标签
  0	15						1girl, solo, teddy_bear, backpack, looking_at_viewer, smile, dress, puffy_sleeves, striped

搜集汇总

数据集介绍

构建方式

该数据集聚焦于《英雄联盟》中的经典角色安妮，共收录125幅图像及其对应标签。数据采集横跨Danbooru、Pixiv、Zerochan等多个知名图像平台，依托DeepGHS团队开发的自动化抓取系统完成。为确保图像质量与一致性，原始数据经过边缘对齐处理（若最小边超过1400像素则对齐至1400像素）。数据集进一步提供了多种规格的预处理版本，包括短边不超过800像素、1200像素的常规缩放版，以及基于三阶段裁剪策略、面积不低于480×480像素的增强版，后者通过裁剪扩充至260个样本，以适配不同训练需求。

使用方法

用户可通过Hugging Face Hub直接下载各类压缩包，每个版本均以ZIP文件形式提供。原始数据集推荐配合Waifuc库使用，通过`hf_hub_download`函数获取`dataset-raw.zip`，解压后利用`LocalSource`加载图像及标签元数据。对于常规训练任务，可选择800或1200像素的IMG+TXT版本直接输入模型；若需增强数据多样性，可选用三阶段裁剪版本。所有版本均包含配套标签文件，支持即开即用的图像生成或特征学习流程。

背景与挑战

背景概述

在文本到图像生成领域，角色数据集是驱动模型学习特定视觉风格与语义关联的关键资源。CyberHarem/annie_leagueoflegends数据集由DeepGHS团队于近期创建，聚焦于《英雄联盟》中的经典角色安妮，收录了125张经过标签标注的图像。该数据集的核心研究问题在于如何从多源异构的二次元图像平台（如Danbooru、Pixiv、Zerochan）中高效抓取并标准化角色素材，以支持基于扩散模型的精细化生成任务。作为CyberHarem系列数据集的一部分，它通过提供多分辨率裁剪版本（如480×480和800像素级别）和标签聚类分析，为角色定制化生成研究奠定了数据基础，尤其推动了游戏角色在文生图应用中的可控性研究。

当前挑战

当前数据集面临的主要挑战包括：其一，在领域问题层面，文本到图像生成模型需要从有限样本（仅125张图像）中准确捕捉安妮的核心视觉特征（如绿色眼睛、红色短发、猫耳装饰），数据量不足易导致生成结果出现风格偏移或细节失真；其二，构建过程中需解决多源图像质量参差不齐的问题，自动爬取系统虽能扩展来源，但不同平台图像的构图、光照与分辨率差异显著，标签一致性维护困难；此外，角色标签的冗余与噪声（如‘假动物耳’与‘猫耳’的语义重叠）增加了数据清洗的复杂度，而版权与内容合规性（如not-for-all-audiences标签）也限制了数据集的公开共享与使用范围。

常用场景

经典使用场景

在文本到图像生成领域，CyberHarem/annie_leagueoflegends数据集为角色定制化生成提供了高质量的视觉素材。该数据集包含125张精心标注的英雄联盟角色安妮图像，并附有详细的标签信息，如green_eyes、animal_ears、short_hair等核心特征。研究者可利用该数据集训练扩散模型或生成对抗网络，实现基于文本描述的角色图像生成，尤其适用于动漫风格的角色再现。数据集的多种分辨率版本（如800、1200像素）和裁剪版本（如stage3-p480-800）满足了不同模型输入尺寸的需求，使其成为微调预训练文本到图像模型的理想选择。

解决学术问题

该数据集有效解决了学术研究中角色图像数据稀缺和标签不一致的问题。通过自动爬取多个动漫图像站点并统一标注，它提供了标准化、高一致性的标签体系，支持细粒度特征学习。研究者可借此探索多模态学习中的属性解耦与组合生成，例如如何从文本描述中准确还原角色的发型、眼睛颜色和服饰等特征。此外，数据集的标签聚类结果（如teddy_bear、backpack等）为分析角色概念共现关系提供了基础，推动了可控图像生成和概念编辑等前沿课题的发展。

实际应用

在实际应用中，该数据集可赋能游戏开发、虚拟角色创作和数字娱乐产业。游戏设计师可利用其训练模型快速生成安妮角色的多种变体，用于概念设计或游戏素材生产。动漫爱好者可通过文本描述生成个性化角色形象，降低创作门槛。此外，数据集的多版本设计（如raw和IMG+TXT格式）兼容了waifuc等工具链，便于集成到自动化图像生成流水线中，支持从数据加载到模型训练的全流程部署。

数据集最近研究

最新研究方向

在文本到图像生成领域，针对游戏角色如《英雄联盟》中安妮的细粒度视觉概念捕捉正成为前沿热点。该数据集聚焦于高质量二次元角色图像与结构化标签的配对，尤其关注发型、瞳色、服饰等具有显著区分度的视觉属性。当前研究趋势已从通用生成模型转向个性化可控生成，通过此类角色专属数据集，可有效提升扩散模型在角色一致性、风格迁移及局部编辑任务上的表现。结合Danbooru等社区的大规模标注数据与自动化爬取技术，该资源为探索多模态语义对齐、小样本条件下的概念学习以及跨域角色重构提供了重要基准，对推动虚拟角色创作与游戏美术资产自动化生成具有实际意义。